基于小波变换的空间约束矢量量化方法

图像的小波变换能同时提供空间－频率局部化信息,而且小波变换域内矢量量化数据压缩已得到广泛应用,经过小波变换后,各子带小波分量存在相关性和空间约束,同时考虑到人类视觉对水平和垂直方向高频分量比对角方向更加敏感,本文提出了基于空间约束的矢量量化方法,该算法能同时提高编码效率和改善重构图像质量。     

归一化自适应预测矢量量化算法压缩SAR原始数据

该文提出归一化自适应预测矢量量化(NAPVQ)算法压缩SAR原始数据。NAPVQ算法先采用矢量线性预测器对输入矢量进行预测,再对原矢量与预测矢量之间的残差矢量进行矢量量化。该算法可视为差分脉冲调制在矢量量化中的拓展,其性能优于块自适应量化(BAVQ)算法以及归一化预测自适应量化(NPAQ)算法。对算法复杂度的进一步分析表明,NAPVQ算法能获得复杂度和性能之间比较合理的折衷,具有实用价值。     

量化方法及其统计特征量用于图像检索的性能比较

分别对标量量化,矢量量化以及分类矢量量化等不同量化方法及其统计特征量用于图像检索的性能进行了分析和比较,对进一步实现支持检索的图像压缩算法具有一定的指导意义。     

利用小波变换和约束矩阵进行图像压缩编码

本文将小波变换和矢量量化相结合对图像进行压缩编码,分析了图像经小波变换后的数据结构特性以及各小波分量之间的相关性。这种相关性的存在是由于小波变换具有良好的空－频域局部化特性。本文构造了结构约束矩阵来描述这种相关性,并以此为基础对传统的矢量量化算法进行了改进,改进后的算法减小了计算量,降低了码率。     

基于记忆和预测机制的自适应矢量量化及其在图像压缩编码中的应用

本文提出了一种用于图像压缩的低比特率自适应矢量量化技术，该方法有以下三个特色：１）引入了有效的记忆预测机制，使量化器和编码器有很好的自适应性。２）采用二次寻址方法对矢量的地址进行编码，大大提高了编码效率；３）算法运算复杂度低，便于ＶＬＳＩ实现。     

小波变换在图象压缩中的应用

文章从实际应用角度出发,提出了一种基于小流变换和改进LBG向量量化的有损图象压缩算法。该算法首先利用小波变换对图象进行分解,然后根据各子带（子图象）特点对小波系数进行相应的改进LBG向量量化编码,从而实现图象压缩目的。实验结果表明：该图象压缩算法的使用,可以在图象质量几乎不下降的条件下,极大地提高压缩比,改善恢复图象质量。     

一种基于小波变换的低比特率混合图像编码方法

本文提出了一种基于小波变换的低比特率图像编码方法,利用人的视觉特性对高频高活跃度系数进行调制,为了保护图像能量,对高频高能系数进行标量量化后采用自适应算术编码,采用高分辨率级子图像矢量分类信息由低分辨率级子图像矢量自动产生,提高了压缩比。实验表明采用此编码方法在高压缩比的情况下获得了较好的图像质量。     

一种基于正交小波包变换的数据压缩方法

本文将最优小波包基变换应用到数据压缩方法的研究工作中,针对不同频率的小波包系数之不同统计特性设计了相应的标量量化和矢量量化方法,并对一组实际测量数据运用我们建议的方法进行压缩,在失真率较小的情况下,得到较高的压缩比.     

合成孔径雷达原始数据压缩

本文首先论述了合成孔径雷达原始数据压缩的意义和重要性,接着简要回顾了它的发展历史,着重讨论了分块自适应量化(BAQ)和矢量量化(VQ)两种数据压缩方法.最后展望了合成孔径雷达原始数据压缩的发展前景.     

基于小波分析的静止图像分层编码方法

本文提出了一种基于小波分析图像分层编码方法,首先对图像进行小波分解,然后对各子图像进行分类矢量量化（ＣＶＱ）,利用不同分辨率级子图像之间的相似性自生成分类信息,模拟实验表明此算法在较好图像质量的情况下获得了高压缩比,和现有文献给出的结果进行比较,该算法具有较好的性能。     

电子封装常用名称及术语汇集

电子封装常用名称及术语汇集下面，按英文字母顺序，汇集并解释了与目前ＬＳＩ（包括ＩＣ）正在采用的主要封装形式相关联的名称术语等。这些名称术语参考并引用了日本国内１２个半导体制造公司，其他国家７个半导体制造公司＊与ＬＳＩ封装相关的资料、日本电子机械工业会...     

基于光谱特征编码的快速矢量量化三维谱象数据压缩

本文用矢量量化技术将成象光谱仪的三维谱象数据空间景象中每一个象元对应的光谱定义为一个矢量，用基于光谱特征的二进制光编编码方法对各光谱矢量进行编码，用编码后的光谱矢量来进行快速码字匹配，这种三维谱象数据压缩方法不公认吏处理速度大大加快（当码书取２５６码字时比常规的矢量量化方法快３０倍，码书取４０９６码字时快４３倍）而且压缩后恢复图象精度还有所提高，本文定义的矢量构成方法不仅可有效地保存光谱特性，而且     

采用树结构矢量组合的小波图像分类矢量量化

本文提出了采用树结构矢量组合对小波图像进行分类矢量量化的新方法.该方法充分利用了子带系数的带间和带内的相关性,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益.仿真结果表明,该方法实现简单,可达到很好的压缩效果.     

改进的Kohonen网络及图像自适应矢量量化

本文针对图像矢量量化存在的分块效应问题,通过对Kohonen自组织模型的研究,修改了Kohonen的自组织特征映射(SOFM)算法,设计了两个DCT(离散余弦变换)域的特征值,用于图像数据块的分类。在此基础上,进一步探讨了改进的自组织特征映射(MSOFM)算法在图像自适应矢量量化中的应用。计算机模拟实验表明,MSOFM算法有效地减少了分块效应,与SOFM算法相比具有更好的性能。     

图象的矩形变换矢量量化编码法

本文介绍了简单、实用的矩形变换和近几年来迅速发展的矢量量化技术.并把矩形变换和矢量量化技术结合在一起应用于图象的数据压缩.这种结合降低了矢量编码的维数,相应的码书尺寸能适当的得到减小.此方法加快了矢量编码的进程,减少了存贮量,编码率得到进一步减小.计算机模拟实验证明这种方法对图象的数据压缩是非常有效的.     

一种改进的相关图像矢量量化编码算法

本文提出了一种改进的图像矢量量化编码算法。该算法通过采用增加预测块，以及根据相邻块状态进行控制信息的条件熵编码等改进方法，进一步提高了算法的编码效率，为了便于算法实现，本文对图像的边缘引进的一致的处理方法。测试结果表明，相对于无记忆适量量化编码算法，比特率约下降４０％，相对于文献［５］算法，比特率约下降１５％。     

Multiple shell structured hypercube feature maps for vector quantization of images

A new neural network architecture is proposed for spatial domain image vector quantization (VQ). The proposed model has a multiple shell structure consisting of binary hypercube feature maps of various dimensions, which are extended forms of Kohonen's self-organizing feature maps (SOFMs). It is trained so that each shell can contain similar-feature vectors. A partial search scheme using the neighborhood relationship of hypercube feature maps can reduce the computational complexity drastically with marginal coding efficiency degradation. This feature is especially proper for vector quantization of a large block or high dimension. The proposed scheme can also provide edge preserving VQ by increasing the number of shells, because shells far from the origin are trained to contain edge block features.